一种基于SAM引导的类别平衡教师的持续测试自适应方法

一种基于SAM引导的类别平衡教师的持续测试时适应方法，包括以下步骤：利用源域数据预训练源模型；通过源模型预测目标域图像，生成初步伪标签；构建并初始化目标模型；通过SAM模型对目标域图像进行预测；利用困难点提示伪标签生成算法，识别目标域图像的困难区域，生成SAM伪标签；通过像素级伪标签优化算法，利用预测置信度为像素分配权重，优化初步伪标签和SAM伪标签；通过目标模型预测目标域图像，生成目标预测；计算目标预测与SAM伪标签之间的一致性损失；再计算目标预测与初步伪标签之间的一致性损失；通过一致性损失自适应训练目标模型，以降低噪声伪标签带来的误差累积；通过困难知识引导的类别平衡软蒸馏算法计算类别平衡软蒸馏损失。